多分类器集成系统在基因微阵列数据分析中的应用

摘要	第1-7页
ABSTRACT	第7-14页
插图目录	第14-16页
表格目录	第16-17页
第一章 绪论	第17-27页
·癌症微阵列数据分析的意义	第17-22页
·DNA微阵列简介	第18-19页
·DNA微阵列数据分析发展现状	第19-22页
·基于多分类器集成系统的微阵列数据分析	第22-24页
·本文的内容安排与创新点	第24-27页
·本文的内容安排	第24-25页
·本文主要创新点	第25-27页
第二章 多分类器集成系统简介	第27-43页
·多分类器集成系统的研究历史	第27-30页
·多分类器集成系统成功的原因	第30-31页
·多分类器集成系统构建的一些常见方法	第31-38页
·基分类器的生成	第31-33页
·基分类器的选择	第33页
·分类器间的关系	第33-34页
·分类器输出的集成决策方法	第34-38页
·差异度测度	第38-41页
·常见的差异度测度	第38-40页
·差异度与精确度的关系	第40-41页
·差异度的可视化	第41页
·本章小结	第41-43页
第三章 基于集成特征选择的基因微阵列数据分析	第43-66页
·特征选择方法简介	第43-46页
·基于filter的基因选择方法	第43-45页
·基于wrapper的基因选择方法	第45-46页
·集成特征选择方法	第46-47页
·遗传算法综述	第47-52页
·标准遗传算法简介	第47-51页
·多目标遗传算法简介	第51页
·遗传算法的特点	第51-52页
·基于标准遗传算法的集成特征选择算法设计	第52-57页
·染色体设计方案	第52-54页
·基分类器输出的融合	第54-55页
·实验结果与分析	第55-57页
·基于多目标遗传算法的集成特征选择算法设计	第57-65页
·染色体编码方式设计	第57-58页
·适应值函数的设计	第58-60页
·个体的集成方法	第60页
·实验结果与分析	第60-65页
·本章小结	第65-66页
第四章 基于集成独立分量选择的基因微阵列数据分析	第66-98页
·独立分量分析在基因微阵列数据分析中的应用	第66-72页
·独立分量分析技术概述	第66-68页
·独立分量选择的必要性分析	第68-70页
·独立分量选择必要性的实验验证	第70-72页
·集成独立分量选择在基因微阵列数据分析中的应用	第72-81页
·基于进化计算的集成独立分量选择系统	第73页
·集成独立分量选择系统中遗传算法的设计	第73-75页
·实验结果与分析	第75-81页
·本节小结	第81页
·基于进化计算的扩展集成独立分量选择系统	第81-96页
·扩展独立分量选择系统设计方案	第82-83页
·多目标遗传算法的设计	第83-86页
·实验结果与相关讨论	第86-95页
·基分类器差异度与精确度的分析	第95-96页
·本节小结	第96页
·本章小结	第96-98页
第五章 基于旋转森林的基因微阵列数据分析	第98-115页
·旋转森林简介	第99-103页
·基于决策树的集成系统	第99-100页
·旋转森林的算法框架	第100-103页
·降维方法	第103-106页
·实验与分析	第106-113页
·实验设定与结果分析	第106-112页
·基分类器差异度与精确度的分析	第112-113页
·本章小结	第113-115页
第六章 基于遗传规划的多类基因微阵列数据分析	第115-141页
·遗传规划概述	第116-118页
·基于遗传规划的多类特征选择算法	第118-127页
·基于遗传规划的多类判别分析	第118-121页
·个体的结构	第121-123页
·个体的生成	第123-126页
·运算符与适应度函数的设计	第126-127页
·实验结果与分析	第127-140页
·实验设定	第127-128页
·实验结果与分析	第128-131页
·生物学意义分析	第131-140页
·本章小结	第140-141页
总结与展望	第141-144页
1 本文的主要工作与创新点	第141-142页
2 进一步的工作展望	第142-144页
参考文献	第144-163页
致谢	第163-165页
在读期间发表的学术论文与取得的研究成果	第165-166页